GPT商店已至，AI的爆款應用還有多遠？

昨天凌晨，整個AI界發生了一場地震，在被視為“首屆AI春晚”的OpenA開發者大會上，GPT-4進行了史詩版本的更新。

128K的超長上下文、成本更低的tokens、全新的Assistants API、新增的多模態功能以及文本轉語音技術，都讓新版的 GPT-4 Turbo 模型變得性能更強大，同時也更具擴展性。

然而，除了上述功能外，最令人驚艷的，莫過于GPT商店的問世。

CEO山姆·奧特曼現場登臺演示，全程不到3分鐘，無需任何編程操作，只需在對話框內告訴GPT自己的需求，一個“創業導師GPT”就應運而生。

是的，所有想實現的功能，都能通過聊天構建！

不僅如此，OpenAI還宣布，GPT商店將在本月晚一點的時候推出。

這意味著，任何人都能靠制作專屬GPT來賺錢了！

此言一出，網友即刻群起沸騰，并紛紛驚覺:AI的致富之路，真的對所有人敞開了！

01 如何建立壁壘？

它們不僅有長期的留存率，能構建商業模式，且有一定的護城河。雖然當時很難估算市場規模，但未來可能就是千億美金的公司，可遇不可求。

例如移動互聯網時代的抖音，就是個典型的例子。

而現在，GPT商店的推出，無疑為這類AI時代的“抖音”，提供了誕生的土壤。

然而，興奮過后，冷靜下來的人們也發現了個問題，那就是:在目前OpenAI打算構建的GPT商店 中，那一個個上架的應用，剛需點和壁壘究竟何在？

是的，無門檻的開發，意味著人人都能上，可既然人人都能上，那誰又會為別人制作的GPT而付費呢？

大家想要什么功能，自己做不就完了嗎？

為了解開這一悖論，我們有必要對當前GPT商店所構建的這種UGC生態，與前AI時代的UGC生態進行一個對比。

如果說，要想在前AI時代，為GPT商店的這種UGC模式，找一個最接近的例子，那恐怕*入選的，就是以Roblox、蛋仔派對為代表的各種游戲類UGC社區。

在Roblox中，用戶可以使用平臺提供的易用的編輯工具，創建游戲場景、角色和道具，并將這些游戲資產發布到平臺上，供其他用戶玩耍、購買。

在這樣一種生態中，所有的玩家，都是基于同一個平臺或工具進行創作，誰也不會比誰擁有更多先天的、硬性的優勢。

這樣的特點，與GPTs通過對話創建專屬GPT，從而抹平用戶創作門檻的做法，幾乎如出一轍。

而且由于“玩法”、“創意”之類的東西是抽象的，是依賴于用戶靈感，而非知識、技能的，因此在Roblox這類UGC社區中，所謂的“壁壘”從根本上說是沒有的。

可既然沒有壁壘，為何人們仍然愿意為其他玩家/用戶創作的內容付費？而不是自己創作？

其實原因很簡單，因為在這類UGC生態中，用戶創造的內容，是一種“易學難精”的東西。

換句話說，表面上看人人都可以創造，但精品的、高質量的內容，卻很難復制。

具體地說，在這類UGC社區中，用戶/玩家雖然可以使用游戲內的編輯器，創造出各種道具、地圖等虛擬物品，但真正受歡迎的、爆火的內容，往往需要付出很大的心血，或是需要天才的構思。

于是乎，最后懶得細細打磨的人，就會選購買別人創作好的、現成的游戲內容。

然而，盡管Roblox這樣的UGC模式，給將來GPT商店上的創作者提供了一個啟示，但它同樣有回答不了的問題，那就是:

Roblox這類平臺，終歸是個以娛樂為主的游戲平臺，而游戲是不講究“實用性”的，只要做得有趣，即可讓人掏錢。

但在GPT商店這種明顯帶有工具性、實用性的平臺上，各類基于GPT的應用，該怎么找到自己的“剛需”點呢？

02 “剛需”的誤區

很多人在討論大模型與“剛需”問題時，往往會陷入一個誤區:那就是以當下的、靜止的視角，來看待人們對LLM的需求。

實際上，如果用“剛需”的邏輯來看待當初的抖音、快手，那它們根本就不應該存在。

因為以當時的標準來看，它們根本就不“剛需”。

其實，所謂的需求，不是一成不變的，今天很多理所當然的“剛需”，也不是當時就產生的。

它本質上是一個隨著技術邏輯運動，而不斷發展的結果。

具體來說，抖音、小紅書這樣非工具性、非剛需的APP之所以會出現并爆火，本質上是移動互聯網技術邏輯的一種運動結果。

在移動互聯網的技術邏輯中，最重要的有兩點，一是便捷性，二是個性化。

便攜性，使得用戶可以隨時隨地訪問互聯網，獲取信息。

這種情況下，用戶的時間變得更加碎片化了。在等待、通勤、休息等場景下，用戶希望利用碎片時間進行娛樂、學習或購物等活動。

于是，人們使用手機等移動設備的需求，開始變得越來越多樣了。那么，面對如此多樣的內容，用戶該如何選擇？

這時，推薦算法和大數據登場了。

通過對這些數據的分析，各大APP可以更好地了解用戶的興趣和需求，從而提供個性化的內容和推薦。

它們可以說是移動互聯網技術邏輯的一種*體現，必然結果。

由此可見，在分析某種新興技術是否能滿足“剛需”時，我們除了關注“人”想要什么，還必須要關注“技術”想要什么。

那么，按照這樣的邏輯，今天以ChatGPT為首的LLM，究竟想要什么呢？

從最近大半年LLM的發展趨勢，以及昨日OpenAI發布會的情況來看，目前的LLM，至少顯現出了兩大越來越明顯的傾向:

一是想“看”到和“聽”到更多，即多模態方向的發展；

二是想與更多的“同伴”協作，即智能體方向的發展。

而這兩大愈發明顯的傾向，就構成了未來LLM發展的兩大技術邏輯——信息融合和自主決策。

信息融合，意味著LLM可以通過融合多種模態的信息，實現對跨模態、跨領域任務的深入理解，從而更好地勝任不同場景的需求。

而自主決策，則通過多個智能體之間自動化的協作、配合，使LLM能實現在復雜環境、任務中的自主決策和行動，從而大大地解放了人類的時間、心智。

正如移動互聯網的誕生，催生了碎片化時間的場景一樣，上述兩大邏輯的演化和推進，也終將催生出一些人們從來沒見過的，新的場景與需求。

03 可能的應用形態

在自主決策和信息融合催生的新場景與需求中，最能代表其本質的，就最有可能產生新時代的“抖音”。

從上述技術邏輯的特點來看，至少有兩個方向的需求，可能性是最高的。

一是個性化的智能助理。

由于多模態技術的存在，這樣的智能助理，將很有可能脫離單一領域，或單一模態的限制，從而*限度地深入人們的生活。

舉例來說，如果某人使用了某個翻譯類的GPT，那么該用戶也許在翻譯之外，還希望該應用兼具機票預訂的功能，幫跨境出行做好準備，又或是在此基礎上，成為一個智能的跨境電商的助手，對比不同國家、地區的商品。

第二個方向的需求，則是智能決策支持

如果一種技術，用與不用有很大區別時，它就會逐漸成為一種“剛需”。而智能決策，也許正在創造這樣的需求。

自動化的智能體系統，*的意義，不在于讓打工人每天節省那么幾個小時的時間，干些批量處理文檔之類的“牛馬活”，而在于其通過快速、高效和多角度的分析，為用戶提供“單一大腦”所難以得出的洞見。

例如，最近一家名為Fantsy的企業，就用了類似于ChatGPT和Bard的機器學習技術，創建了一些具有詳細背景和思想、性格的智能體，讓它們在虛擬的小組中進行討論，從而對尚未發布的產品進行評估。

同樣的，類似的技術思路，也可以用于個人的財務規劃、職業規劃中，從而為個人在現實中的生活、工作，提供高質量的輔助決策。